Econometria

Capitulo 4: Modelo Clásico de regresión lineal normal (MCRLN)
La teoría de inferencia clásica estadística se divide en dos ramas: La estimación y la prueba de hipótesis.
Por tanto ya que Beta 1gorro, beta 2 gorro y Sigma 2 gorro son variables aleatorias, necesitamos averiguar sus distribuciones de probabilidad, ya que sin conocerlas no podemos relacionarlas con sus valores verdaderos.
4.1Distribución de probabilidad de las perturbaciones ui
Por tanto, la distribución de probabilidades de B2 gorro y también de Beta 1 gorro dependerá de la suposición que se hizo respecto a ladistribución de probabilidad de los estimadores MCO para obtener las inferencias sobre sus valores de población , la naturaleza de la distribución de probabilidad de ui desempeña un importante papel en la pruebade hipótesis.
La MC O NO hace ninguna suposición de naturaleza probabilística de ui, este vacío se puede llenarse si se supone que las u siguen determinadas distribución de probabilidad. Razones: u~probabilidad N.
4.2 supuestos de normalidad
La RLN supone que ui ~probabilidad N.

Se observa: que para 2 variables normalmente distribuidas, una covarianza(correlación cero independencia entrelos dos variables). Esto significa que ui y uj no solamente correlacionadas, sino que también están independientemente distribuidas.

¿Por qué razón debe formularse el supuesto de normalidad?
Uirepresenta la influencia combinada de un gran número de variables independientes que no se han introducido explícitamente en el modelo de regresión. Esperamos que la influencia de estas variablesomitidas o descartadas sea pequeña y en el mejor de los casos aleatoria.
Teorema de limite central (TLC) se puede demostrar que existe un gran n° de variables aleatorias independientes distribuidas enpocas excepciones. Este teorema proporciona una justificación teorica para el supuesto de normalidad de ui.

2. Una variable del teorema establece que el N° de variables no sea muy grande o que...